한 줄 요약

AI 연구가 산업 현장과 실전 워크플로우로 깊숙이 들어오고 있습니다—하드웨어 중심 코드 모델, 통합 문서 인식, 검증 가능한 연구 에이전트가 그 중심입니다.

LLM & SOTA Models

InCoder-32B: 산업 현장에 특화된 코드 AI의 등장

대부분의 코드 LLM(대형 언어 모델)은 일반 프로그래밍에는 강하지만, 칩 설계나 GPU 커널, 임베디드 시스템, CAD 모델링처럼 하드웨어 중심 산업 환경에서는 한계를 드러냅니다. InCoder-32B는 이런 격차를 메우기 위해 탄생한 320억 파라미터 규모의 산업 특화 코드 모델입니다. 단순히 소프트웨어 코드만 학습하는 것이 아니라, Verilog·CUDA 등 하드웨어 언어와 실제 산업 워크플로우 데이터를 대거 반영해 훈련되었습니다. ¹

훈련 과정도 세심하게 설계됐습니다. 먼저 일반 코드로 사전학습을 하고, 이후 산업 코드로 '어닐링'하며, 중간 단계에서는 컨텍스트 윈도우를 8,000→128,000토큰까지 확장합니다. 이 덕분에 긴 디버깅 세션이나 다중 파일 프로젝트도 한 번에 처리할 수 있습니다. 마지막 단계에서는 실제 툴체인(Verilator, Renode 등)으로 실행 결과를 검증하며, 생성 코드가 실제 환경에서 동작하는지 확인합니다. ²

성능 면에서도 InCoder-32B는 일반 코드 벤치마크에서 대형 모델과 비슷하거나 근소하게 뒤처지지만, 산업 분야(Verilog 합성 74.8%, Verilog 수리 80% 등)에서는 오픈소스 기준 최고 성능을 기록합니다. 다만, 특수 툴체인에서의 문법·API 오류가 주요 약점으로 남아 있습니다. ³

왜 중요한가? 산업용 소프트웨어는 정확성, 검증, 하드웨어 제약이 핵심입니다. InCoder-32B는 하드웨어 인식·장문맥·실행 검증까지 갖춘 덕분에, 엔지니어가 실제 생산 환경에서 신뢰할 수 있는 AI 코파일럿으로 한 걸음 다가섰습니다. ⁴

Qianfan-OCR: 문서 인식·이해를 한 번에 처리하는 통합 모델

기존 OCR(광학 문자 인식)은 레이아웃 분석→텍스트 추출→이해 등 여러 단계를 거칩니다. Qianfan-OCR은 40억 파라미터 비전-언어 모델로, 이미지에서 바로 구조화된 Markdown을 생성하고, 표·차트 추출, 문서 질의응답까지 한 번에 처리합니다. ⁵

특히 'Layout-as-Thought'라는 특수 사고 단계를 통해, 최종 결과를 내기 전 문서의 구조(박스, 타입, 읽는 순서)를 예측합니다. 이 덕분에 복잡한 문서에서도 정확도가 크게 향상됩니다. 실제로 OmniDocBench v1.5(93.12점), OlmOCR Bench(79.8점) 등에서 1위를 차지했고, 훨씬 큰 모델보다도 키 정보 추출 성능이 앞섭니다. ⁶

추론 속도도 빠릅니다. 양자화 적용 시 A100 GPU 1장으로 초당 1페이지 이상을 처리(기존 대비 2배)하며, GPU 기반 일괄 처리로 대량 문서 업무에 실질적 이점을 제공합니다. ^{7 8}

Research Papers

Online Experiential Learning: 실전 경험으로 계속 성장하는 언어모델

대부분의 언어모델은 학습이 끝나면 더 이상 진화하지 않습니다. Online Experiential Learning (OEL)은 실제 사용자와의 상호작용에서 얻은 경험을 추출해, 모델 파라미터에 반영하는 프레임워크입니다. 경험 지식을 뽑아내고(1단계), 이를 온-정책 컨텍스트 증류로 모델에 녹여넣는(2단계) 과정을 반복합니다. ⁹

텍스트 게임 실험 결과, OEL은 반복할수록 정확도와 효율이 꾸준히 향상됐습니다. 단순 데이터 재활용보다 경험 지식 추출·통합이 훨씬 효과적이며, 모델이 클수록 성능 개선 폭도 커집니다. ¹⁰

MiroThinker-1.7 & H1: 스스로 검증하는 장기 연구 에이전트

장기적이고 복잡한 과학·금융 분석에서 AI는 중간 단계 오류가 누적돼 결과 신뢰도가 떨어집니다. MiroThinker-1.7은 단계별 계획·도구 사용·문맥 추론을 강화하는 mid-training을 도입했고,MiroThinker-H1은 각 단계(로컬), 전체 추론 경로(글로벌) 검증을 추가했습니다. 즉, 진행 중에도 스스로 오류를 바로잡고, 최종 답변 전에는 전체 논리 흐름을 감사합니다. ¹¹

BrowseComp, GAIA, DeepSearchQA 등에서 SOTA(최첨단) 성능을 기록했으며, 소형 오픈소스 버전(3B 파라미터)도 대형 모델과 경쟁할 만큼 효율적입니다. ^{12 13}

SocialOmni: 오디오·비주얼 AI의 '사회성' 평가 벤치마크

Omni-modal LLM은 오디오·비디오·텍스트를 모두 다루지만, 기존 평가는 정적 정확도에만 집중했습니다. SocialOmni는 '누가 말하는지', '언제 끼어들지', '자연스러운 개입을 할 수 있는지' 등 사회적 상호작용 능력을 평가하는 새 벤치마크입니다. 2,000여 샘플로, 단순 인식 정확도와 사회적 맥락 능력은 별개임을 보여줍니다. ¹⁴

Open Source & Repos

OmniForcing: 실시간 오디오-비디오 동시 생성 프레임워크

OmniForcing은 느린 양방향 오디오-비디오 생성 모델을, 실시간 스트리밍 생성기로 변환하는 프레임워크입니다. 3단계 증류 파이프라인으로, 단일 GPU에서 25FPS(35배 속도 향상)를 달성하며, 영상·음성 품질도 유지합니다. 실시간 동기화 생성이 필요한 인터랙티브 AI에 새로운 가능성을 엽니다. ¹⁵

왜 중요한가

오늘날 AI 연구는 단순 벤치마크를 넘어, 산업·문서·실전 추론 등 복잡한 현실 문제로 진입 중입니다. InCoder-32B는 데이터와 훈련법만 바꾸면 칩 설계·GPU 최적화 등 다양한 산업 분야를 하나의 모델로 지원할 수 있음을 보여줍니다. Qianfan-OCR은 문서 업무를 통합·자동화하고, 최신 연구 에이전트와 벤치마크는 AI가 단순 정확도를 넘어 신뢰성·검증성·사회성까지 갖추도록 이끕니다. 이제 AI는 실제 인간과 협업할 수 있는 실전 파트너로 진화하고 있습니다.